买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉江苏理工学院申请的专利基于深度学习的建筑物裂缝检测方法、系统及设备获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117252848B 。

龙图腾网通过国家知识产权局官网在2026-01-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311293764.X，技术领域涉及：G06T7/00；该发明授权基于深度学习的建筑物裂缝检测方法、系统及设备是由陶为戈;华得亮;杨云星;孙志刚;梁宝;潘玲佼;肖淑艳;丁倩;徐创设计研发完成，并于2023-10-08向国家知识产权局提交的专利申请。

本基于深度学习的建筑物裂缝检测方法、系统及设备在说明书摘要公布了：基于深度学习的建筑物裂缝检测方法、系统及设备，属于图像处理和目标检测技术领域。本发明为了解决现有的裂缝检测方法存在精度不高且检测速度慢的问题，本发明首先采集建筑物裂缝图像，然后利用轻量化的裂缝检测网络模型对采集建筑物裂缝图像进行建筑物裂缝检测，输入层先经过一个3×3的卷积块，再接入一个最大值层对输入的图像进行下采样，获得下采样后的特征图像；然后针对获得下采样后的特征图像，再使用三组ShuffleNetV2网络提取网络特征，然后通过特征聚合网络进行特征聚合，最后通过预测网络三个并行的预测分支共同处理，检测不同尺寸大小的裂缝。

本发明授权基于深度学习的建筑物裂缝检测方法、系统及设备在权利要求书中公布了：1.一种基于深度学习的建筑物裂缝检测方法，其特征在于，首先采集建筑物裂缝图像，然后利用轻量化的裂缝检测网络模型对采集建筑物裂缝图像进行建筑物裂缝检测； 所述轻量化的裂缝检测网络模型包括：特征提取网络、特征聚合网络和预测网络； 所述的特征提取网络处理过程如下： 输入层先经过一个3×3的卷积块，再接入一个最大值层对输入的图像进行下采样，获得下采样后的特征图像；然后针对获得下采样后的特征图像，再使用三组改进的ShuffleNetV2网络提取网络特征； 每组改进的ShuffleNetV2网络包括一个基本单元SN_2和多个基本单元SN_1； SN_2：输入分别接入两个分支，第一分支依次通过3×3的深度可分离卷积和1×1的组卷积；第二分支依次通过1×1的组卷积、3×3的深度可分离卷积和1×1的组卷积，接着对两个分支进行Concat拼接，然后进行通道整合； SN_1：将输入进行通道拆分，经过ChannelSplit操作后变为两路分支，第一分支接入一个3×3最大值池化操作；第二分支依次接入步长为1的三个卷积，依次为1×1的组卷积、3×3的深度可分离卷积以及1×1的组卷积；接着对两个分支Concat拼接操作，然后进行通道整合； 三组改进的ShuffleNetV2网络提取网络分别记为第二层至第四层，第二层至第四层进行特征提取的过程如下： 将下采样后的特征图像输入第二层，第二层先接入SN_2，再接入α1个SN_1，将输出记为第二层的输出；将第二层输出的特征传输到第三层，同时将输出传输到特征聚合网络的第一支路，特征聚合网络的第一支路首先采用改进的CoordinateAttention模型处理； 第三层先接入SN_2，再接入α2个SN_1，得到第三层的输出；第三层输出的结果接入第四层，同时将输出传输到特征聚合网络的第二支路，特征聚合网络的第二支路首先采用改进的CoordinateAttention模型处理； 第四层先接入SN_2，再接入α3个SN_1，将输出接着接入SN_1，再将输出接入SN_1，第四层的输出结果接入特征聚合网络的第三支路的SPPCSPC模块，再送入改进的CoordinateAttention模型处理； 特征聚合网络的处理过程如下： 特征聚合网络的第一至第三支路改进的CoordinateAttention模型分别连接一个卷积层；其中，改进的CoordinateAttention模型的输入特征分别按照h方向和w方向进行最大值池化操作，然后对池化后的特征进行Concat拼接，拼接后针对行进行1×1的2d卷积操作，然后进行归一化和非线性处理，将处理完的特征接着分成h方向和w方向并分别进行2d卷积操作，然后在各自的方向上进行sigmoid处理得到坐标的权重系数，将所述的坐标权重系数与原输入特征进行相乘，得到加权特征； 特征聚合网络的第三支路中改进的CoordinateAttention模型对应的卷积层输出送入第一上采样层，经过上采样之后与特征聚合网络的第二支路改进的CoordinateAttention模型对应的卷积层输出进行Cat处理，然后送入第一ELAN-H层； 第一ELAN-H层的输出经过改进的CoordinateAttention模型和卷积层处理后送入第二上采样层，经过上采样之后与特征聚合网络的第一支路改进的CoordinateAttention模型对应的卷积层输出进行Cat处理，然后送入第二ELAN-H层，第二ELAN-H层的输出送入第一MP-2层处理的同时还送入预测网络的第一预测分支处理； 第一MP-2层的输出与第一ELAN-H层的输入进行Cat处理，然后送入第三ELAN-H层，第三ELAN-H层的输出送入第二MP-2层处理的同时还送入预测网络的第二预测分支处理； 第二MP-2层处理的输出与第三支路的SPPCSPC模块输出进行Cat处理，然后送入第四ELAN-H层，第四ELAN-H层的输出送入预测网络的第三预测分支处理； 预测网络的处理过程如下： 预测网络包括三个并行的预测分支，每个分支包括REP模块和CBM层；在检测阶段的REP模块包括一个1×1的卷积层和一个BN层；CBM模块包括一个卷积层，一个BN层以及一个sigmoid层； 预测网络包括三个并行的预测分支共同处理，检测不同尺寸大小的裂缝。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人江苏理工学院，其通讯地址为：213001 江苏省常州市武进区中吴大道1801号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。